Em seguida, vamos levá-lo a um caminho que nos permite ver a maneira como você interpreta o conceito de modelo e a ação da modelagem, para que possamos apresentar uma visão diferente daquela a que você certamente está acostumado.
- O que você entende por modelo? Como você interpreta o processo de modelagem? Qual é o objetivo da modelagem? Quais resultados você espera do modelo construído?
A modelagem computacional de sistemas sociais e econômicos tem mais de três décadas. Em todo esse tempo, ele desfilou diante de modelos que têm sido usados para analisar uma infinidade de tópicos como a gestão de estoques, o desempenho das economias nacionais até a distribuição ideal dos bombeiros em Nova York, ou a inter-relação do população global, recursos, alimentos e poluição, para citar alguns. Certos modelos tornaram-se o título de jornais, como aconteceu com Os limites do crescimento (Meadows et al. 1972), gerando grande controvérsia e má interpretação.
A modelagem por computador se tornou uma grande indústria, gerando centenas de milhões de dólares em receitas anuais.
Durante nossas vidas, cada um de nós terá enfrentado o resultado de modelos e julgado sua relevância e validade. Infelizmente, muitas pessoas não podem tomar essas decisões de maneira informada e inteligente, porque para elas os modelos são como "caixas pretas": dispositivos que operam de maneira completamente misteriosa. Como os modelos de computador são pouco compreendidos pela maioria das pessoas, é fácil usá-las de maneira acidental ou intencional. Assim, houve muitos casos em que modelos computacionais foram usados para justificar uma decisão já tomada e ações previamente decididas.
Se esses abusos forem interrompidos e se a modelagem se tornar uma ferramenta mais racional para a generalidade das pessoas, elas estarão longe de serem elementos tecnológicos com uma mágica especial, para então se tornar uma ferramenta mais amplamente usada.
Os modelos de computador descritos são do tipo usado para olhar para o futuro e para conduzir análises de políticas.
Modelos Mentais e Modelos de Computador
Felizmente, todos estão familiarizados com os modelos. As pessoas usam modelos de modelos mentais diariamente. Nossas decisões e ações não são baseadas no mundo real, mas em nossas imagens mentais desse mundo, das relações entre as partes e da influência que nossas ações exercem sobre ele.
Os modelos mentais têm algumas vantagens poderosas. Um modelo mental é flexível; pode levar em consideração uma ampla variedade de informações, não apenas dados numéricos: pode se adaptar a novas situações e pode ser modificado enquanto houver novas informações. Modelos mentais são filtros através dos quais interpretamos nossas experiências, avaliamos planos e selecionamos possíveis cursos de ação.
Mas os modelos mentais também têm desvantagens. Eles não são facilmente entendidos por terceiros; suas interpretações diferem. As suposições nas quais se baseiam geralmente são difíceis de examinar, e ambiguidades e contradições podem passar despercebidas, inquestionáveis e não resolvidas.
Em teoria, os modelos de computador oferecem melhorias em relação aos modelos mentais de várias maneiras:
- Eles são explícitos; suas premissas são prefixadas na documentação escrita e abertas para consulta ou revisão.Eles podem inevitavelmente calcular as conseqüências lógicas das suposições feitas.É compreensível e capaz de inter-relacionar vários fatores simultaneamente.
Um modelo de computador que contém essas características tem vantagens poderosas sobre modelos mentais. Na prática, os modelos estão longe do ideal:
- Eles podem ser tão mal documentados e com tal nível de complexidade que ninguém pode examinar suas suposições. Eles são chamados de "caixas pretas". São tão complicados que o usuário não confia na consistência ou na realidade de suas suposições. Eles não conseguem enfrentar as inter-relações e os fatores difíceis de quantificar, para os quais não existem valores numéricos ou que eles estão fora da especialidade daqueles que constroem o modelo.
Tipos de modelo: Otimização vs. Simulação.
Existem muitos tipos de modelos, e eles podem ser classificados de várias maneiras. Os modelos podem ser estáticos ou dinâmicos, matemáticos ou físicos, estocásticos ou determinísticos. No entanto, uma classificação útil é aquela em que dividimos os modelos entre aqueles que otimizam e aqueles que simulam. A distinção entre otimização e simulações é particularmente importante porque esses tipos de modelos são adequados para finalidades fundamentalmente diferentes.
Otimização
O dicionário define como otimizar: «obter o melhor; desenvolver para obter o máximo. » O resultado de um modelo de otimização é a declaração da melhor forma de se obter algum objetivo. Os modelos de otimização não informam o que poderia acontecer em uma determinada situação. Em vez disso, eles dizem o que fazer para tirar o melhor proveito de uma situação; eles são modelos normativos ou descritivos.
Um modelo de otimização toma como receita os três tipos de informações a seguir: os objetivos a serem alcançados, as escolhas a serem feitas e as restrições a serem cumpridas.
Simulação
O verbo latino simulare significa imitar ou imitar. O objetivo de um modelo de simulação é copiar o sistema real de forma que seu comportamento possa ser estudado. O modelo é uma réplica de laboratório do sistema real, um microworld (Morecroft 1988).
Ao criar uma representação do sistema no laboratório, um modelador pode realizar experimentos que seriam impossíveis, antiéticos ou proibitivos devido aos custos envolvidos no mundo real. Existem muitas técnicas muito diferentes, incluindo modelagem estocástica, dinâmica de sistema, simulação discreta e jogos de representação de papéis.
Os modelos de otimização são prescritivos, mas os modelos de simulação são descritivos. Um modelo de simulação não calcula o que pode ser feito para atingir um objetivo específico, mas esclarece o que pode acontecer em uma determinada situação. O objetivo das simulações é prever como os sistemas podem se comportar no futuro sob as condições assumidas ou desenhar políticas (desenho de novas estratégias de tomada de decisão ou estruturas organizacionais e avaliar seus efeitos no comportamento do sistema).
Em outras palavras, os modelos de simulação são ferramentas para ver e se? Freqüentemente, as informações obtidas de um E se? é mais importante do que saber uma decisão ideal.
Modelagem como Aprendizado
A modelagem pode ser usada apenas para analisar processos físicos tangíveis? A modelagem pode ser usada apenas por técnicos especializados que precisam ser confiáveis? Não há lugar para tomadores de decisão? A resposta para todas essas perguntas pode ser um NÃO categórico.
Modelar como Aprendizado é uma metodologia de consultoria para apoiar a tomada de decisões que envolve o uso de ferramentas analíticas no relacionamento completo com os clientes. Os consultores atuam como facilitadores do processo do grupo. Eles fornecem uma abordagem interativa para capturar as idéias e suposições dos clientes (gerentes ou administradores) de uma maneira compreensível e agradável para a aplicação das ferramentas analíticas apropriadas.
Os modelos resultantes oferecem aos clientes a capacidade de verificar a coerência de suas idéias, considerando sua consistência e consequências. Esses modelos constituem uma representação do sistema de negócios com o qual eles podem experimentar a estratégia a ser executada. O objetivo do processo é melhorar a compreensão de questões comerciais apropriadas, focar na discussão e gerar novas opiniões e idéias que, em última análise, melhoram a tomada de decisões.
Os principais aspectos deste processo são:
- A modelagem é parte integrante da discussão gerencial.Os facilitadores (consultores) fornecem ferramentas que capturam e expressam os modelos mentais dos clientes.Tópicos leves são considerados (como valor da marca, moral, etc.). Os clientes são membros dos modelos, que são executados e utilizados pelos clientes.
conclusão
Incrementalmente, observa-se que os modelos têm um papel como instrumentos para apoiar o pensamento estratégico, a discussão em grupo e o aprendizado sobre questões de gerenciamento. Os modelos podem ser vistos como mapas que capturam e ativam o conhecimento, os modelos podem ser vistos como abordagens que filtram e organizam o conhecimento, e os modelos podem ser vistos como microworlds para experimentação, cooperação e aprendizado.
